SUPPORTING VECTOR TEXTURES IN A GPU PHOTOREALISTIC RENDERING SYSTEM

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

Images in vector format are presented as a sequence of analytical descriptions of geometric objects. This approach allows for reproduction of the image in any resolution without loss of quality. Currently, there are no ready-made solutions for using vector images in GPU photorealistic rendering systems. This paper presents an approach to enabling such support using signed distance fields and rasterization as base methods. Analysis of the results shows the effectiveness of the approach based on distance fields for various vector images. However, in some cases, artifacts may appear, in which case it is proposed to use a rasterization-based approach.

Авторлар туралы

V. SANZHAROV

Lomonosov Moscow State University

Email: vadim.sanzharov@graphics.cs.msu.ru
Moscow, Russia

V. FROLOV

Lomonosov Moscow State University; Keldysh Institute of Applied Mathematics

Email: vladimir.frolov@graphics.cs.msu.ru
Moscow, Russia; Moscow, Russia

V. GALAKTIONOV

Keldysh Institute of Applied Mathematics

Хат алмасуға жауапты Автор.
Email: vlgal@gin.keldysh.ru
Россия, 125047, Москва, Миусская пл., д. 4

Әдебиет тізімі

  1. Scalable Vector Graphics (SVG) Full 1.2 Specification, 2023. URL: https://www.w3.org/TR/SVG12
  2. Tu P., Wei L. Y., Zwicker M. Clustered vector textures // ACM Transactions on Graphics (TOG). 2022. T. 41. № 4. C. 1–23. https://doi.org/10.1145/3528223.3530062
  3. Noesis Gui. User Interface middleware for videogames and real-time applications, 2023. URL: https://www.noesisengine.com
  4. Green C. Improved alpha-tested magnification for vector textures and special effects // ACM SIGGRAPH 2007 Courses. 2007. P. 9–18.
  5. Orzan A. et al. Diffusion curves: a vector representation for smooth-shaded images // ACM Transactions on Graphics (TOG). 2008. T. 27. № 3. C. 1–8. https://doi.org/10.1145/1360612.1360691
  6. Li T. M. et al. Differentiable vector graphics rasterization for editing and learning // ACM Transactions on Graphics (TOG). 2020. T. 39. № 6. C. 1–15. https://doi.org/10.1145/3414685.3417871
  7. Reddy P. et al. Im2vec: Synthesizing vector graphics without vector supervision // Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021. C. 7342–7351.
  8. Jain A., Xie A., Abbeel P. VectorFusion: Text-to-SVG by Abstracting Pixel-Based Diffusion Models //arXiv preprint arXiv:2211.11319. 2022.
  9. Sanzharov V.V., Frolov V.A., Galaktionov V.A. Survey of Nvidia RTX technology // Programming and Computer Software. 2020. T. 46. № 4. C. 297–304. https://doi.org/10.1134/S0361768820030068
  10. Skia: The 2D graphics library, 2023. URL: https://skia.org/
  11. Cairo, a 2D graphics library with support for multiple output devices, 2023. URL: https://www.cairographics.org/
  12. Blend2d. 2D Vector graphics engine, 2023. URL: https://blend2d.com/
  13. resvg, SVG rendering library, 2023. URL: https://github.com/RazrFalcon/resvg
  14. OpenVG, the standard for vector graphics acceleration, 2023. URL: https://www.khronos.org/openvg/
  15. OpenVG, conformant Products, 2023. URL: https://www.khronos.org/conformance/adopters/conformant-products/openvg
  16. Kilgard M.J., Bolz J. GPU-accelerated path rendering // ACM Transactions on Graphics (TOG). 2012. T. 31. № 6. C. 1–10. https://doi.org/10.1145/2366145.2366191
  17. Loop C., Blinn J. Resolution independent curve rendering using programmable graphics hardware // ACM SIGGRAPH 2005 Papers. 2005. C. 1000–1009. https://doi.org/10.1145/1186822.1073303
  18. Ganacim F. et al. Massively-parallel vector graphics // ACM Transactions on Graphics (TOG). 2014. T. 33. № 6. C. 1–14. https://doi.org/10.1145/2661229.2661274
  19. Ray N., Cavin X., Lévy B. Vector texture maps on the GPU //Inst. ALICE (Algorithms, Comput., Geometry Image Dept. INRIA Nancy Grand-Est/Loria), Tech. Rep. ALICE-TR-05-003. 2005.
  20. Qin Z., McCool M.D., Kaplan C.S. Real-time texture-mapped vector glyphs // Proceedings of the 2006 symposium on Interactive 3D graphics and games. 2006. C. 125–132. https://doi.org/10.1145/1111411.1111433
  21. Chlumsky V. Shape decomposition for multi-channel distance fields: Master’s thesis, Czech Technical University. URL: https://dspace.cvut.cz/bitstream/handle/10467/62770/F8-DP-2015-Chlumsky-Viktor-thesis. pdf. 32, 2015.
  22. Nehab D., Hoppe H. Random-access rendering of general vector graphics // ACM Transactions on Graphics (TOG). 2008. T. 27. № 5. C. 1–10. https://doi.org/10.1145/1409060.1409088
  23. Akenine-Möller T. et al. Texture level of detail strategies for real-time ray tracing // Ray Tracing Gems. Apress, Berkeley, CA, 2019. C. 321–345. https://doi.org/10.1007/978-1-4842-4427-2_20
  24. Qin Z., McCool M D., Kaplan C. Precise vector textures for real-time 3D rendering // Proceedings of the 2008 symposium on Interactive 3D graphics and games. 2008. C. 199–206. https://doi.org/10.1145/1342250.1342281
  25. Vector images in public domain, 2023. URL: https://www.publicdomainvectors.org
  26. Open Clipart, online media collection, 2023. URL: https://openclipart.org/
  27. Sanzharov V.V., Frolov V.A. Level of detail for precomputed procedural textures // Programming and Computer Software. 2019. T. 45. № 4. C. 187–195. https://doi.org/10.1134/S0361768819040078

Қосымша файлдар


© В.В. Санжаров, В.А. Фролов, В.А. Галактионов, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».